导读:本文包含了电容型设备论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:电容,在线,设备,向量,介质,可编程,门阵列。
电容型设备论文文献综述
李安训,王楠,扈翠宁[1]（2019）在《面向高压电容型设备绝缘在线检测系统的设计方法研究》一文中研究指出近几年,人工智能技术取得重大突破,开始向各个领域蔓延。得益于这项技术,很多领域得到了重大的发展。由于人工智能的出现,人们对电力系统的控制越来越熟练。人工智能主要是对一些电力系统的器械性能进行监测、记录并对数据进行整理、分析展现给相关控制人员。人工智能的检测工作效率要远远高于人工检测的效率且检测数据更为准确。在所有的电力器械中,高压电容型器械的情况观测对于整个电力系统来说非常重要,因为高压电容型器械的稳定性非常差,容易发生故障而影响整个电力系统的正常工作,但是它又在电力系统中起着至关重要的作用。文章主要探讨如何运用绝缘在线检测系统对高压设备进行实时监测。(本文来源于《企业科技与发展》期刊2019年08期）
张亚萌[2]（2019）在《电容型设备缺陷预测模型研究》一文中研究指出在电力系统中,电容型设备数量众多,占变电站设备总量的40%~50%,电容型设备的健康运行对于电力系统至关重要。随着电网信息化建设的大力推进,各种电力数据呈爆炸式增长,这为电容型设备健康运行提供了强大的数据支撑。传统的统计方法已无法满足实际的分析需求。本论文以重要性高、数据量大、数据种类丰富的电容型设备数据为数据源,并检验随机森林(Random Forest,RF)、多层感知机(Multi-Layer Perceptron,MLP)、支持向量机(Support Vector Machine,SVM)、集成树(Extreme Gradient Boosting,XGBoost)和线性分类算法等五种不同机器学习算法在电容型设备缺陷预测中的适用性,构建缺陷发生预测和缺陷等级预测模型,并将金融领域的评分卡模型应用在电容型数据分析中,探索出最优缺陷预测模型。本论文的研究内容与研究结果如下:(1)针对一般的编码方法,在各种缺陷发生预测以及缺陷等级预测模型中的效果较差,在对电容型设备数据进行清洗和数据均衡化基础上,结合电容型数据的特点,加入基于评分卡模型的证据权重(Weight of Evidence,WOE)特征编码,用于改进缺陷发生预测以及缺陷发生模型的性能。(2)针对设备是否发生缺陷进行预测,将五种机器学习算法应用在缺陷发生预测中,进行模型训练和参数调优,对各算法使用普通编码和评分卡模型WOE特征编码的预测结果进行比较,并分析特征重要性。实验结果表明,加入评分卡模型的WOE特征编码后,各算法的分类效果均得到改善,支持向量机、集成树和线性分类的精度提高0.07以上,多层感知机和随机森林分别提高0.02和0.03。随机森林各综合评价指标均最优,精度达到0.95。因此,基于WOE的随机森林算法(WOE_RF)缺陷发生预测模型最优。(3)在预测设备是否发生缺陷的基础上,进一步预测设备可能发生缺陷的等级。同样使用上述五种机器学习算法对两种特征编码方法下的缺陷等级预测结果进行比较,并分析特征重要性。研究结果表明,加入基于评分卡模型的WOE特征编码,可以有效改善各算法的分类能力,随机森林、多层感知机和支持向量机精度提高0.05以上,集成树和线性分类分别提高0.01和0.02。但同样是随机森林表现最佳,精度达到0.78。因此,WOE_RF缺陷等级预测模型最优。(本文来源于《电子科技大学》期刊2019-05-17）
申松[3]（2019）在《基于数据融合的电容型设备预警研究》一文中研究指出随着经济的发展,人类的用电需求越来越大,电力系统的稳定运行显得至关重要。在变电站中,电容型设备占据40%-50%,远多于其他类型设备。因此,监测电容型设备的运行状态,区分正常设备和缺陷设备,提前预警,对整个电力系统的稳定运行具有重要意义。电力系统在运营期间,产生了大量的运营数据及检修记录,累积为历史数据。这些数据涵盖了电容型设备的各类信息,具有属性多的特点。如何有效地融合这些数据信息服务于电力系统的运营管理一直是重要问题。本文基于数据融合理论与方法研究与分析了中国南方电网公司电容型设备台账数据及检修记录数据,并提出了相应算法。本文首先对数据集进行预处理。南方电网公司电容型设备台账数据及检修记录数据存在两个问题:数据类型不统一、数据集正负样本量不平衡。针对第一个问题,本文采用了数值编码及独热编码(onehot)两种编码方式进行类型转换,并舍弃部分不便于进行编码转换的属性。然后分别针对两种编码方式做了模型试算,确定其优缺点。针对第二个问题,本文分别采用上采样和下采样以增加稀有样本和减少数量多的样本。然后,本文利用数据融合的方法,分别用神经网络、支持向量机、随机森林方法构建了设备缺陷预测模型。为了确定模型的参数,本文使用了网搜索法进行调整,使得参数调整后的模型的预测精度达到或接近最高。同时,采用交叉验证的方法确保模型不会对数据集产生过拟合现象。随后分别使用精度、准确率、召回率、F1_score等指标对模型进行了准确性评估,并对实验结果进行了对比分析。(本文来源于《电子科技大学》期刊2019-03-22）
李继伟,郭轶娜[4]（2018）在《面向高压电容型设备绝缘在线检测系统的设计方法研究》一文中研究指出随着人工智能技术向电力行业的深度融合,智能电网已成为当前电力行业主要的发展方向。所谓智能,其最为核心的部分是对电网中的电力设备,尤其是高压电容型设备进行智能检测。高压电容型设备是一种完全或者部分绝缘的电容式结构的电力设备,有着数量占比大,易发事故的特征。由于高压电容型设备在电网运行中起到关键作用,因此,高压电容型设备的绝缘在线检测对于保障电网安全性和稳定运行有着非常重要的意义。(本文来源于《科技创新与应用》期刊2018年27期）
胡文杰[5]（2018）在《电容型设备绝缘在线监测系统设计研究》一文中研究指出为了提高电容性设备绝缘在线监测系统的应用水平,设计了电容型设备绝缘在线监测系统。系统采用分布式结构,确保了各层功能的对立性,改善了系统的运行效率和可靠性;系统采用模块化思想,根据监测系统的功能和规模,把系统划分为3个层次;开发了基于B/S模式的子系统软件,使系统客户端免维护、扩展性好、开发效率高等特点,通过对实际运行的监测系统测试和试运行,系统采集数据准确,系统运行更加可靠运行。(本文来源于《能源与环保》期刊2018年07期）
崔孟阳[6]（2017）在《智能变电站电容型设备在线监测》一文中研究指出随着改革开放的不断推进以及一带一路政策的实施,在世界大经济不景气的前提下,我国经济正在稳步提升,国民生活水平也在不断提高。机械化和自动化的不断普及,以及智能生产及智能制造的不断推进,使得国民经济对电力系统越来越依赖。在变电站内,设备的绝缘老化是设备出现问题最常见的故障所在。对高压设备电气绝缘特性以及设备老化特性进行定性分析,并间隔一定时期对设备进行检修,是以往一直使用的手段方法。随着计算机技术的不断升级提高以及传感器技术领域的不断突破,在线技术不断被提及,相应产品也不断诞生,已经开始应用在各个领域包括变电站内设备监测。变电站内容性设备类型比较多,数量也比其他设备多,这就使得其在数量上占据了变电站内设备的大多数。介质损耗因数tanδ是衡量容性设备绝缘老化的重要因素之一,因此如果能够将其准确获取,就可以很好的对设备绝缘进行评估。本文主要针对变电站内容性设备介质损耗因数的在线监测方法、数据滤波、介损值计算,同时对电压信号获取和电流末屏信号的获取进行研究设计。最后设计出一套可以精确测得容性设备介质损耗因数的监测装置。监测终端核心处理器CPU选择ARM CortexM3系列芯片,其丰富的外设以及快速的处理速度可以很好的实现对信号的采集和处理。采集的电压及电流信号通过传感器本身的信号转换后,通过信号处理单元进一步进行处理,最后通过高速A/D进行数据采样。装置通信方式上支持两种通信类型,其中第一种设计的是无线传输方式,采集的数据通过GPRS无线数据传输方式与后台服务器进行数据和指令的交互。另一种可以通过现场有线方式传输,采用RS485有线传输,支持Modebus协议,根据用户实际需求进行选择。在信号同步采样触发上,系统采用GPS同步时间触发单元,确保电压和电流在同一时间点进行采集。考虑到监测数据和现场环境存在一定的关系,尤其在对故障数据进行分析时,现场温湿度是影响因素之一,本系统增加温湿度采样单元,选择数据监测精度高、电源功耗低的温湿度传感器。本课题最后通过搭建系统测试平台,对设计的合理性进行验证。(本文来源于《郑州大学》期刊2017-11-01）
卜闪闪[7]（2016）在《一种电容型设备介质损耗角正切的监测方法》一文中研究指出电力系统当中的电力设备按照其绝缘结构分类,电容型设备占有很大一部分。这类设备的特点是高压端对地有较大的等值电容。对于该类设备而言,通过对其介电特性的监测可以发现尚处于早期发展阶段的绝缘缺陷。(本文来源于《时代农机》期刊2016年07期）
黄晓燕[8]（2016）在《电容型设备故障诊断方法研究与实现》一文中研究指出电容型设备是重要的输变电设备,其绝缘故障不仅影响整个变电站的安全运行,同时还危及其它设备及人身的安全,因而实现电容型设备的故障诊断具有重要意义,而介质损耗因数tanδ是诊断电容型设备的一项重要指标。由于电容型设备的在线监测结果经常受到温度、湿度、污秽等影响,从而影响对设备状态的准确诊断,因此对于不同气候条件下合理修正介质损耗因数及求得其等效值非常必要。本文首先提出了基于支持向量机的介质损耗的修正方法,对于不同气候条件下tan δ进行合理修正,得到等效值,从而建立向量机的电容型设备的修正模型,并采用遗传算法对其进行优化。然后提出基于小波树的突变性故障诊断方法,对修正过的tanδ进行突发型突变和持续性突变检测,从而实现对设备进行准确诊断。采用下层小波树对突发性突变进行检测。采用上层小波树对持续性突变进行检测。发生持续性突变的标志是数据段节点数值大于阈值的小波树节点。整体小波树算法则是前两种方法的综合,可以用来对电容性设备两种异常进行综合诊断。最后提出模糊神经网络诊断算法,以温度、湿度、介质损耗因数和电容值作为网络的输入,经过网络的处理得到诊断结果。模糊神经网络的收敛很快,仿真的实际输出和理论输出非常接近,其对今后人们对电容型设备故障诊断的进一步研究,起到一定的借鉴和参考的作用。(本文来源于《西安理工大学》期刊2016-06-30）
高全,杨坡,商力新[9]（2016）在《浅谈电容型设备带电检测技术》一文中研究指出主要阐述电力系统中电容型设备的主要特点、常见故障类型、带电检测的原理和方法,提出了电容型设备带电检测的现场要求,总结了目前电容型设备带电检测存在的问题及数据分析的方法。(本文来源于《山东工业技术》期刊2016年11期）
程丹,黄新波,朱永灿,李小博,郭剑峰[10]（2016）在《变电站电容型设备在线监测系统设计与应用》一文中研究指出以有源零磁通电流互感器获取电容型设备及氧化锌避雷器微弱泄漏电流,以IRIG-B码为同步采样时钟,实现100 ns的高精度同步采样。在此基础上通过对现场可编程门阵列编程生成B码解码、模拟/数字转换控制、测频、雷击计数、温湿度采集等多个逻辑模块,围绕FFT IP核设计并实现多通道模拟信号采样、存储及快速傅立叶变换运算功能,在提升测量精度的同时,有效降低了装置的硬件成本。装置试验及现场运行数据表明:装置可以满足电力系统在线监测精度要求,并具有较高的稳定性和可扩展性。(本文来源于《广东电力》期刊2016年04期）
电容型设备论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在电力系统中,电容型设备数量众多,占变电站设备总量的40%~50%,电容型设备的健康运行对于电力系统至关重要。随着电网信息化建设的大力推进,各种电力数据呈爆炸式增长,这为电容型设备健康运行提供了强大的数据支撑。传统的统计方法已无法满足实际的分析需求。本论文以重要性高、数据量大、数据种类丰富的电容型设备数据为数据源,并检验随机森林(Random Forest,RF)、多层感知机(Multi-Layer Perceptron,MLP)、支持向量机(Support Vector Machine,SVM)、集成树(Extreme Gradient Boosting,XGBoost)和线性分类算法等五种不同机器学习算法在电容型设备缺陷预测中的适用性,构建缺陷发生预测和缺陷等级预测模型,并将金融领域的评分卡模型应用在电容型数据分析中,探索出最优缺陷预测模型。本论文的研究内容与研究结果如下:(1)针对一般的编码方法,在各种缺陷发生预测以及缺陷等级预测模型中的效果较差,在对电容型设备数据进行清洗和数据均衡化基础上,结合电容型数据的特点,加入基于评分卡模型的证据权重(Weight of Evidence,WOE)特征编码,用于改进缺陷发生预测以及缺陷发生模型的性能。(2)针对设备是否发生缺陷进行预测,将五种机器学习算法应用在缺陷发生预测中,进行模型训练和参数调优,对各算法使用普通编码和评分卡模型WOE特征编码的预测结果进行比较,并分析特征重要性。实验结果表明,加入评分卡模型的WOE特征编码后,各算法的分类效果均得到改善,支持向量机、集成树和线性分类的精度提高0.07以上,多层感知机和随机森林分别提高0.02和0.03。随机森林各综合评价指标均最优,精度达到0.95。因此,基于WOE的随机森林算法(WOE_RF)缺陷发生预测模型最优。(3)在预测设备是否发生缺陷的基础上,进一步预测设备可能发生缺陷的等级。同样使用上述五种机器学习算法对两种特征编码方法下的缺陷等级预测结果进行比较,并分析特征重要性。研究结果表明,加入基于评分卡模型的WOE特征编码,可以有效改善各算法的分类能力,随机森林、多层感知机和支持向量机精度提高0.05以上,集成树和线性分类分别提高0.01和0.02。但同样是随机森林表现最佳,精度达到0.78。因此,WOE_RF缺陷等级预测模型最优。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
电容型设备论文参考文献
[1].李安训,王楠,扈翠宁.面向高压电容型设备绝缘在线检测系统的设计方法研究[J].企业科技与发展.2019
[2].张亚萌.电容型设备缺陷预测模型研究[D].电子科技大学.2019
[3].申松.基于数据融合的电容型设备预警研究[D].电子科技大学.2019
[4].李继伟,郭轶娜.面向高压电容型设备绝缘在线检测系统的设计方法研究[J].科技创新与应用.2018
[5].胡文杰.电容型设备绝缘在线监测系统设计研究[J].能源与环保.2018
[6].崔孟阳.智能变电站电容型设备在线监测[D].郑州大学.2017
[7].卜闪闪.一种电容型设备介质损耗角正切的监测方法[J].时代农机.2016
[8].黄晓燕.电容型设备故障诊断方法研究与实现[D].西安理工大学.2016
[9].高全,杨坡,商力新.浅谈电容型设备带电检测技术[J].山东工业技术.2016
[10].程丹,黄新波,朱永灿,李小博,郭剑峰.变电站电容型设备在线监测系统设计与应用[J].广东电力.2016
论文知识图
